小麦冠层反射光谱与籽粒蛋白质含量及相关品质指标的定量关系

 研究了不同施氮水平下小麦籽粒蛋白质含量及相关品质性状与冠层反射光谱、植株氮素状况之间的定量关系。结果表明，小麦灌浆期冠层反射光谱可以用来直接预测籽粒蛋白质含量、沉降值和降落值，成熟期冠层反射光谱对籽粒醇溶蛋白和谷蛋白含量的监测具有较高的可靠性；籽粒蛋白质含量与花后14 d叶片含氮量的相关性较好，并且花后14 d比值指数RVI (1220, 710)能准确反演叶片含氮量，进而可以间接地预测籽粒蛋白质含量。据此提出了小麦籽粒蛋白质含量及相关品质指标的两种监测技术途径：基于灌浆期反射光谱的直接预测和基于花后14 d（灌浆中期）叶片含氮量的间接估测。     

小麦籽粒蛋白质含量高光谱遥感预测模型比较

【目的】利用高光谱遥感技术实现冬小麦籽粒蛋白质含量的精准预测,比较筛选小麦籽粒蛋白质含量预测模型,实现优质小麦栽培生产。【方法】设置不同品质类型小麦品种和施氮量处理,测定开花期叶片叶绿素含量（SPAD）、叶片干物质质量（LDW）、地上生物量（AGB）、叶片氮含量（LNC）、叶片氮积累量（LNA）、叶面积指数（LAI）、植株氮含量（PNC）、植株氮积累量（PNA）和氮营养指数（NNI）9个农学参数及小麦冠层光谱,通过一阶导数和偏最小二乘法,构建基于不同农学参数的小麦籽粒蛋白质含量高光谱预测模型。【结果】一阶导数处理可以提高光谱数据与农学参数的相关性。运用偏最小二乘法构建的高光谱农学参数估测模型中以SPAD的模型建模精度与验证精度相对较优,建模集决定系数R²与预测集标准均方根误差nRMSE分别为0.99和4.10%;NNI反演模型验证结果较好,相对预测偏差RPD为2.04;利用线性回归构建的农学参数-籽粒蛋白质预测模型中以LNC的建模精度与验证精度最佳,其建模集R²、预测集均方根误差RMSE和RPD分别为0.64、0.79和2.11。最终构建的“...     

基于冬小麦冠层数码图像的叶面积指数和叶片SPAD值的估算

为探究冠层图像分析技术在冬小麦长势监测中应用,6个施氮水平的田间试验条件下,在冬小麦拔节期采集冠层图像,并同步测定冬小麦叶面积指数和叶片SPAD值.通过图像分析软件计算了冬小麦冠层覆盖度及红、绿、蓝亮度值等10种色彩指数,分析了叶面积指数及叶片SPAD值与色彩指数和冠层覆盖度的相关性,利用逐步回归方法构建了叶面积指数及叶片SPAD值的估算模型.结果表明:冬小麦拔节期叶面积指数与冠层覆盖度及几个色彩指数呈极显著相关;叶片SPAD值与红光标准化值等几个色彩指数呈极显著相关;利用叶面积指数估算模型计算的预测值与实测值的线性回归方程的决定系数为0.771,相对均方根误差为25.181％;利用叶片SPAD值估算模型计算的预测值与实测值的线性回归方程的决定系数为0.644,相对均方根误差为6.734％.相关分析和估算模型验证结果表明,基于冠层图像分析的冬小麦拔节期叶面积指数和叶片SPAD值的监测是可行的.     

基于冠层反射光谱的水稻群体叶片氮素状况监测

 研究了不同氮肥水平下多时相水稻冠层光谱反射特征及其与叶片含氮量等参数的关系。结果表明 ,水稻冠层光谱反射率与叶片氮积累量 (单位土地面积上叶片的氮素总量 )显著相关 ,尤其是近红外与绿光波段的比值(R810 /R560 )与叶片氮积累量 (LNA)呈显著线性关系 ,不受氮肥水平和生育时期的影响 ,回归方程为LNA =0 .85 9R810 /R560 - 1.15 96。利用不同粳稻品种、播期、密度、水分和氮肥处理的数据对方程进行了较充分的检验 ,表明模拟值与实测值之间符合度较高 ,估算精度为 91.2 2 %,估计的RMSE为 1.0 9,平均相对误差为 0 .0 2 6。     

氮肥形态对小麦镉吸收及转运的影响

为缓解小麦镉毒害降低籽粒镉含量合理选用氮肥,探究硝态氮、铵态氮和酰胺态氮对小麦镉吸收转运规律、土壤根际pH、叶片SPAD值和根系形态的影响.结果 表明镉胁迫条件下,硝态氮处理有利于小麦千粒质量及旗叶SPAD值的提高,且SPAD值与千粒质量间呈显著正相关;铵态氮处理显著降低根际pH、提高植株镉积累量以及籽粒镉含量,根际p...     

小麦组织氮的积累与分配及其相关性研究

对１７ 个澳大利亚小麦品种的组织氮研究表明：品种间组织氮含量存在不同程度差异。叶片、茎秆和植株氮积累峰值分别出现在抽穗初期、灌浆初期和灌浆末期;花期前氮素主要积累在叶片中,花期后籽粒成为氮素最主要的贮藏器官。植株氮积累（ｇ／ｍ ２）与干物质积累呈极显著正相关,而与其果糖积累、籽粒产量、籽粒蛋白质产量及含量无显著相关关系;植株氮含量（ｇ·ｋｇ－ １）与其干物质积累、果糖含量和籽粒产量均呈显著负相关,与籽粒蛋白质含量显著正相关。     

小麦氮素积累动态的高光谱监测

 【目的】研究小麦地上部氮积累量与冠层高光谱参数的定量关系，分析多种高光谱参数估算地上部氮积累量的效果。【方法】连续3年采用不同蛋白质含量的小麦品种在不同施氮水平下进行大田试验，于小麦不同生育期采集田间冠层高光谱数据并测定植株不同器官生物量和氮含量。【结果】植株氮积累量随着施氮水平的提高而增加，不同地力水平间存在明显差异。植株氮积累量的光谱敏感波段主要存在于近红外平台和可见光区，而地上部氮积累量与冠层光谱的相关性明显降低。对植株氮积累量的光谱估算，在不同品种、氮素水平、生育时期和年度间可以使用统一的光谱模型。在籽粒灌浆期间植株氮积累量自开花期随时间进程的积分累积值与对应时期籽粒氮素积累状况存在显著的定量关系，根据特征光谱参数植株氮素营养籽粒氮积累量这一技术路径，以植株氮积累量为交接点将模型链接，建立高光谱参数与籽粒氮积累量间定量方程。将植株氮积累量与籽粒氮积累量相加，确立了基于高光谱参数的籽粒灌浆期间地上部氮积累量监测模型。经不同年际独立资料的检验表明，利用光谱参数SDr/SDb、VOG2、VOG3、RVI（810,560）、[（R750-800）/（R695-740）]-1和Dr/Db建立模型可以实时监测小麦地上部氮素积累动态变化，预测精度R2分别为0.774、0.791、0.803、0.803、0.802和0.778，相对误差RE分别为16.7%、15.5%、15.6%、18.5%、15.5%和17.3%。【结论】利用关键特征光谱参数可以有效地评价小麦地上部氮素积累状况，其中尤以植被指数VOG2、VOG3和[（R750-800）/（R695-740）]-1的效果更好。     

小麦组织氮的积累与分配及其相关性研究

对１７个澳大利亚小麦品种的组织氮研究表明：品种间组织氮含量存在不同程度差异。叶片、茎秆和植株氮积累峰值分别出现在抽穗初期、灌浆初期和灌浆末期;花期前氮素主要积累在叶片中,花期后籽粒成为氮素最主要的贮藏器官。植株氮积累（g/m＾２）与干物质积累呈极显著正相关,而与其果糖积累、籽粒产量、籽粒蛋白质产量及含量无显著相关关系;植株氮含量（g．kg＾－１）与其干物质积累、果糖含量和籽粒产量均呈显著负相关,与籽粒     

基于不同土壤质地的小麦叶片氮含量高光谱 差异及监测模型构建

【目的】叶片氮素状况是小麦生产中精确施氮管理与调控的前提,实时无损监测叶片氮素状况对小麦生产管理具有重要意义。本文旨在综合分析不同环境下小麦冠层光谱响应差异,进而构建其估测模型,为小麦氮肥合理运筹提供技术支持。【方法】本研究基于3种不同土壤质地（砂土、壤土和黏土）、5种不同施氮水平（0、120、225、330和435 kg•hm-2）及3种河南省主栽小麦品种（矮抗58、周麦22和郑麦366）连续2年的大田试验,于小麦主要生育时期同步测定冠层光谱反射率和叶片氮含量,对3种不同土壤质地条件下小麦冠层叶片氮含量的高光谱响应差异进行比较,系统分析350—1 050 nm 波段范围内任意两波段组合而成的差值（DSI）、比值（RSI）及归一化差值（NDSI）光谱指数与叶片氮含量的量化关系,并建立估算模型。【结果】冠层光谱反射率在不同施氮水平和不同生育时期下存在明显差异,但趋势基本一致;比较3种土壤质地小麦冠层光谱反射率大小表现为：黏土＞壤土＞砂土,可以反映小麦实时田间长势。通过系统分析3种土壤质地小麦冠层反射光谱与对应叶片氮含量间的定量关系,表明在可见光和近红外区域均有较好的相关性,但敏感波段区域有所不同。对3种质地获取的样本进行系统分析表明,砂土、壤土和黏土质地小麦叶片氮含量分别以光谱指数NDSI（FD710,FD690）、DSI（R515,R460）和RSI（R535,R715）建模结果表现最好,决定系数分别达到0.88、0.87和0.87。经不同年份独立资料检验结果显示,基于上述光谱指数估测小麦叶片氮含量的预测决定系数分别为0.87、0.85和0.77,预测均方根误差分别为0.31、0.32和0.26。【结论】利用光谱参数NDSI（FD710,FD690）、DSI（R515,R460）和RSI（R535,R715）为自变量建立的估测模型分别可以较好地预测砂土、壤土和黏土3种质地小麦叶片氮含量。     

不同基因型小麦籽粒蛋白质和淀粉积累与碳氮转运的关系

研究了黑麦76、徐州26、所麦10号和扬麦9号4个不同基因型小麦（Triticum aestivum L.）籽粒蛋白质和淀粉积累特征及叶茎鞘中碳、氮物质积累和运转的差异。结果表明：蛋白质含量不仅与后期回升时间有关，还和回升速度有关；淀粉含量主要和前期的快速积累有关。籽粒蛋白质产量与含量没有相关关系，而与营养器官氮素转运量关系密切；籽粒淀粉产量由低到高为黑麦76、徐州26、扬麦10号、扬麦9号，并随淀粉含量升高而上升，不同基因型小麦茎鞘碳、氮积累和运转有明显差异：黑麦76和扬麦10号碳、氮在灌浆后期向籽粒中的转运量少，而徐州26和扬麦9号转运量多。营养器官可淀性糖与氮素转运量的比值与籽粒蛋白质含量呈负相关，与淀粉含量呈正相关，因此，营养器官碳、氮积累与分配的差异可能是小麦籽粒蛋白质和淀粉含量差异的重要原因之一。     

Monitoring Protein and Starch Accumulation in Wheat Grains with Leaf SPAD and Canopy Spectral Reflectance

The research was conducted to determine the relationships of protein and starch accumulation dynamics in grains of wheat to post-heading leaf SPAD values and canopy spectral reflectance. The results showed that leaf nitrogen accumulation was exponentially related to leaf SPAD values and linearly related to canopy spectral reflectance, and that there was negative linear relationship between leaf nitrogen accumulation and grain protein accumulation, but positive linear relationship between post-heading leaf nitrogen translocation and grain protein accumulation at maturity. In addition, leaf SPAD values were parabolically related with and ratio indices R(1 500,610) and R(1 220,560) were exponentially related with protein and starch accumulation in grains. These results indicate that leaf SPAD values and canopy spectral reflectance should be good indicators of quality formation dynamics in wheat grains.     

基于光谱植被指数的冬小麦叶绿素含量反演

植物功能叶的SPAD值与其氮素和叶绿素有较强的相关性,研究功能叶SPAD与其冠层光谱的关系,对实现植株叶绿素含量快速、无损检测具有重要意义。本文通过对冬小麦生育期的冠层原始光谱进行一阶导数变换,研究其功能叶片SPAD值与冠层光谱的相关性,对监测冬小麦叶绿素含量的敏感波段进行了提取,并建立了叶绿素含量与冠层反射光谱的定量关系。结果表明,基于小麦冠层原始光谱反射率、冠层光谱导数反射率与SPAD的相关系数曲线,提取的各形式下冬小麦叶绿素含量的敏感波段分别为500、690、760和470、630、723nm;并构建了冬小麦叶绿素含量的预测模型,以FDNDVI(630,723)预测模型较好,其R2可达0.9485,模型验证参数R2、MRE和RMSE分别为0.8099、0.0294和1.805,拟合效果较好,表明该模型能有效地对冬小麦叶绿素含量进行预测。该研究结果可为冬小麦长势监测提供一定的理论参考。     

Common Spectral Bands and Optimum Vegetation Indices for Monitoring Leaf Nitrogen Accumulation in Rice andWheat

Real-time monitoring of nitrogen status in rice and wheat plant is of significant importance for nitrogen diagnosis, fertilization recommendation, and productivity prediction. With 11 field experiments involving different cultivars, nitrogen rates, and water regimes, time-course measurements were taken of canopy hyperspectral reflectance between 350-2 500 nm and leaf nitrogen accumulation (LNA) in rice and wheat. A new spectral analysis method through the consideration of characteristics of canopy components and plant growth status varied with phenological growth stages was designed to explore the common central bands in rice and wheat. Comprehensive analyses were made on the quantitative relationships of LNA to soil adjusted vegetation index (SAVI) and ratio vegetation index (RVI) composed of any two bands between 350-2 500 nm in rice and wheat. The results showed that the ranges of indicative spectral reflectance were largely located in 770-913 and 729-742 nm in both rice and wheat. The optimum spectral vegetation index for estimating LNA was SAVI (R822,R738) during the early-mid period (from jointing to booting), and it was RVI (R822,R738) during the mid-late period (from heading to filling) with the common central bands of 822 and 738 nm in rice and wheat. Comparison of the present spectral vegetation indices with previously reported vegetation indices gave a satisfactory performance in estimating LNA. It is concluded that the spectral bands of 822 and 738 nm can be used as common reflectance indicators for monitoring leaf nitrogen accumulation in rice and wheat.     

Diagnosis of Nitrogen Status in Rice Leaves with Canopy Spectral Reflectance

The investigation was made on the relationship of seasonal time-course canopy spectral reflec-tance and ratio index to total leaf nitrogen accumulation(leaf nitrogen content per unit ground area) in rice un-der different nitrogen treatments. The results showed there was a close correlation between the canopy spectralreflectance and total leaf nitrogen accumulation. Ratio of near infrared to green band (R810/R560 ) was linearlyrelated with total leaf nitrogen accumulation, independent of nitrogen levels and development stages. Differentdatasets were used to test the linear regression equation, with average estimation accuracy of 91.22 %, RMSEof 1.09 and average relative error of 0. 026. Thus, the ratio index R810/R560 of canopy spectral reflectanceshould be useful for non-destructive monitoring and diagnosis of nitrogen status in rice plants.     

基于成像高光谱的小麦叶片叶绿素含量估测模型研究

为了探索小麦叶片的光谱特征和敏感波段,建立小麦叶绿素含量与光谱特征参量间的定量关系模型,以促进高光谱技术在小麦精准施肥以及快速、无损长势监测中的应用。采用相关分析法分析了叶绿素含量与光谱反射率及其一阶导数的关系,建立了叶绿素含量监测模型。经筛选验证确定小麦叶绿素含量的最佳估测模型为SPAD=36.75+188.168R387和SPAD=2 094.242R'7153+112 646.744R'7152-1.561E7R'715+42.991。这2个模型均可较好地估测小麦叶片的SPAD值,相比较而言,基于波段R387建立的SPAD估测模型精确度更高。     

利用高光谱技术估测小麦叶片氮量和土壤供氮水平

有效的监测作物氮素营养水平及土壤供氮能力可以为合理施用氮肥提供重要依据。本文以2 年3 点不同氮素水平下不同小麦品种的田间试验数据为基础,运用植被指数和偏最小二乘回归法,比较和分析小麦冠层光谱与叶片氮含量及土壤氮含量的关系。结果表明：小麦冠层光谱与叶片氮含量的相关性分析在可见光波段存在显著负相关,在近红外波段呈显著正相关,而与土壤氮含量的相关性呈相反趋势。基于光谱参数ND705 和GNDVI所建叶片氮含量估算模型的决定系数分别达到0.827 和0.826。基于光谱参数VOG2 所建土壤氮含量估算模型的决定系数达到0.646;与植被指数所建模型相比,综合350~1350 nm光谱波段反射率分别与小麦叶片氮含量、土壤氮含量建立偏最小二乘回归模型的预测精 度均有所提高,决定系数分别达到0.842 和0.654。本研究结果可为小麦氮素营养及土壤供氮水平的诊断监测与合理施肥管理提供了理论依据和技术支持。     

施氮量对西科麦6号产量和品质的影响

[目的]建立发挥小麦（Triticum aestivum Linn.）品种西科麦6号优良特性的栽培技术,使品种达到高产高效.[方法]将小麦所需磷肥和钾肥固定在大田生产水平上,设计10种施氮水平（0、60、90、120、150、180、210、240、270、300 kg/hm2）,研究氮素对西科麦6号产量和品质的影响.[结果]氮素对叶片叶绿素含量、子粒产量、子粒粗蛋白质含量都有较大影响.氮素过低过多都不利于品种光合作用、干物质积累和蛋白质含量的提高.在小麦的各个生长时期中,各处理均以开花期叶片叶绿素相对含量高,SPAD值最大,210 kg/hm2氮肥处理SPAD值达到60.9,光合效能强.施氮210 kg/hm2时,在抽穗期、开花期、灌浆前期叶片SPAD值较高,子粒产量最高,达8 237.25 kg/hm2.施氮180 kg/hm2 时,子粒粗蛋白质含量最高达1 271.70 kg/hm2.初步确定施氮水平在180～ 210 kg/hm2为宜.模拟分析施氮量与子粒产量的最佳关系为二次方程曲线,Y=5 114.487 ＋21.414X-0.041X2,R2=0.880,理论产量可达9 721.779 kg/hm2.施氮量与子粒粗蛋白质含量的最佳拟合关系也是二次方程曲线,Y=12.911 ＋0.021X-4.578E-5X2,R2=0.906,理论蛋白质含量可达16.88％.[结论]确定西科麦6号最佳施氮量为180～210 kg/hm2,达到提高产量和蛋白质含量的目的,为农民更好地推广使用西科麦6号提供帮助.